文本简化工具 （Java） [已关闭]

我认为您的问题就是将复杂或复合句子转换为简单句子的任务。根据文献句子类型，一个简单的句子是由一个独立的子句构建的。复合句和复数句子由至少两个子句构成。此外，子句必须具有主语和动词。
所以你的任务是将句子拆分成构成句子的子句。

来自斯坦福CoreNLP的依赖关系解析是将复合和复杂句子拆分为简单句子的完美工具。您可以在线试用该演示。
从您的示例句子中，我们将获得斯坦福类型化依赖关系（SD）表示法的解析结果，如下所示：

nsubj(CEO-6, John-1)
nsubj(played-11, John-1)
cop(CEO-6, was-4)
det(CEO-6, the-5)
rcmod(John-1, CEO-6)
det(company-9, a-8)
prep_of(CEO-6, company-9)
root(ROOT-0, played-11)
dobj(played-11, golf-12)

可以从关系（在SD中）识别出哪个类别是主语，例如nsubj，nsubjpass。参见斯坦福依赖手册
基本子句可以从头部提取为动词部分，从属为主语部分。从上面的SD来看，有两个基本条款，即

• 约翰 首席执行官
• 约翰扮演

获得基本子句后，可以添加另一个部分，使子句成为完整且有意义的句子。为此，请查阅斯坦福依赖手册。

顺便说一句，您的问题可能与从句子中找到有意义的子句有关

对第三条评论的回答：

一旦你得到了一对主语动词，即nsubj（CEO-6，John-1），获取所有与该依赖关系有链接的依赖关系，除了任何依赖性哪个类别是主语，然后从这些依赖关系中提取唯一的单词。

基于示例，nsubj（CEO-6，John-1），如果你开始从John-1遍历，你会得到nsubj（played-11，John-1），但你应该忽略它，因为它的类别是主题。

下一步是从CEO-6部分遍历。你会得到

cop(CEO-6, was-4)
det(CEO-6, the-5)
rcmod(John-1, CEO-6)
prep_of(CEO-6, company-9)

从上面的结果来看，您有新的依赖项要遍历（即找到另一个在头部或依赖项中具有 was-4、the-5、company-9 的依赖项）。
现在，您的依赖项是

cop(CEO-6, was-4)
det(CEO-6, the-5)
rcmod(John-1, CEO-6)
prep_of(CEO-6, company-9)
det(company-9, a-8)

在此步骤中，您已经完成了遍历链接到 nsubj（CEO-6，John-1） 的所有依赖项。接下来，从所有头部和从属中提取单词，然后根据附加到这些单词的数字按升序排列单词。此数字表示原始句子中的词序。

John was the CEO a company

我们的新句子缺少一个部分，即这部分隐藏在prep_of（CEO-6，公司-9）中。如果你读过斯坦福依赖手册，有两种SD，折叠和非折叠。请阅读它们，以了解为什么这是隐藏的，以及如何获得此隐藏部分的词序。

使用相同的方法，您将获得第二句话

John played golf

我认为人们可以为这种情况的基本情况设计一个非常简单的算法，而现实世界的情况可能太多了，这种方法会变得不守规矩:)

我仍然认为我应该大声思考并编写我的方法，并可能添加一些python代码。我的基本思想是从第一性原理中推导出一个解决方案，主要是通过明确地暴露我们真正发生的事情的模型。而不是依赖其他理论，模型，库之前，我们手动和从头开始做一个。

目标：给定一个句子，从中提取子句子。

例如：约翰是该公司的首席执行官，他打高尔夫球。

预期产出：约翰是公司的首席执行官。约翰打高尔夫球。

以下是我以模型假设的形式写出来的模型：（公理？

MA1.可以通过插入子句子来扩展简单句子。MA2.子句是对一个或多个实体的限定/修改（附加信息）。MA3.为了插入子句，我们在要扩展的实体旁边放一个逗号（提供更多信息）并附加子句，我将称之为扩展名 - 并在扩展结束时放置另一个逗号。

给定此模型，该算法至少可以直接解决简单情况。

1. DETECT：给定一个句子，通过在句子中查找一对逗号来检测它是否有扩展子句。
2. 摘录：如果你找到两个逗号，生成两个句子：2.1 EXTRACT-BASE：基句：删除两个逗号之间的所有内容，你得到基句。2.2 摘录-扩展：扩展句：将扩展句子中的所有内容，用它前面的单词替换“who”。这是你的第二句话。
3. 打印：事实上，你应该先打印扩展句，因为基句取决于它。

好吧，这就是我们的算法。是的，这听起来像是一个黑客。是的。但是我现在正在学习的是，如果你在一个程序中使用一个技巧，那就是一个黑客，如果它能处理更多的东西，它就是一种技术。

因此，让我们把情况扩大一点，使情况复杂化一点。

复利案例：实施例2.约翰是该公司的首席执行官，他与首席财务官拉姆一起打高尔夫球。

在我写这篇文章的时候，我注意到我省略了CFO的“谁是”这个短语！这给我们带来了一个复杂的情况，即我们的算法将失败。在去那里之前，让我创建一个更简单的2版本，它将起作用。

示例 3.约翰是该公司的首席执行官，他与首席财务官拉姆一起打高尔夫球。

示例 4.该公司首席执行官约翰与首席财务官拉姆一起打高尔夫球。

等等，我们还没有完成！

示例 5.约翰是首席执行官，拉姆是当时的首席财务官，他玩高尔夫，这是一个引人入胜的游戏。

为了做到这一点，我需要扩展我的模型假设：

MA4.可以同样扩展多个实体，但不应引起混淆，因为扩展子句就出现在被告知的实体旁边。（例如 3 个帐户）

MA5.“谁是”短语可以省略，因为它可以由听众推断出来。（例如 4 个帐户）

MA6.有些实体是人，它们将使用“who”进行扩展，而某些实体是事物，使用“who”进行扩展。这些扩展头中的任何一个都可以省略。

现在，我们如何在算法中处理这些复杂情况呢？

试试这个：

1. 将句子拆分为基数和扩展名：如果句子包含逗号，请查找以下逗号，并将两者之间的任何内容提取到扩展句中。继续，直到您不再找到左结束逗号或左开始逗号。此时，您应该具有包含基本句和一个或多个扩展句的列表。

2. PROCESS_EXTENSIONS：对于每个扩展名，如果它具有“who is”或“who is”，请在扩展名标题词之前将其替换为name。如果扩展没有“谁是”或“哪个是”，请放置前导词和 is。

3. 打印：首先是所有扩展句，然后是基本句。

不可怕。

当我在接下来的几天里有时间时，我会添加一个python实现。

谢谢

拉维·安纳斯瓦米